[论文解读] An Application of Topological Data Analysis to Hockey Analytics

Daniel Goldfarb|arXiv (Cornell University)|Sep 25, 2014

Topological and Geometric Data Analysis参考文献 2被引用 8

一句话总结

本文将拓扑数据分析（TDA）中的持久同调应用于2013–2014赛季NHL球员数据，识别与球队进攻表现相关的结构性模式。通过自定义工具TeamPlex，将每位球员的12项表现指标视为多维点，发现更高的Corsi-for数值与更高的稀疏性（更长的0维条带）及更低的隧道化（更少/更短的1维条带）相关，从而提出一种新颖的方法来评估球队阵容构成并指导球员交易决策。

ABSTRACT

This paper applies the major computational tool from Topological Data Analysis (TDA), persistent homology, to discover patterns in the data related to professional sports teams. I will use official game data from the North-American National Hockey League (NHL) 2013-2014 season to discover the correlation between the composition of NHL teams with the currently preferred offensive performance markers. Specifically, I develop and use the program TeamPlex (based on the JavaPlex software library) to generate the persistence bar-codes. TeamPlex is applied to players as data points in a multidimensional (up to 12-D) data space where each coordinate corresponds to a selected performance marker. The conclusion is that team's offensive performance (measured by the popular characteristic used in NHL called the Corsi number) correlates with two bar-code characteristics: greater extit{sparsity} reflected in the longer bars in dimension 0 and lower extit{tunneling} reflected in the low number/length of the 1-dimensional classes. The methodology can be used by team managers in identifying deficiencies in the present composition of the team and analyzing player trades and acquisitions. We give an example of a proposed trade which should improve the Corsi number of the team.

研究动机与目标

• 探索拓扑数据分析是否能揭示NHL球员表现数据中隐藏的结构性模式，并与球队进攻成功相关联。
• 解决高维、动态的冰球统计数据难以适用于传统线性建模的挑战。
• 基于JavaPlex开发实用工具TeamPlex，将持久同调应用于现实世界的体育分析。
• 证明拓扑特征——特别是持久同调条形码中的稀疏性与隧道化——可预测以Corsi-for衡量的球队进攻表现。

提出的方法

• 本研究使用持久同调分析球员表现数据，将其视为12维空间中的点，每个维度代表一项表现指标，如射门次数、冲撞次数或争球次数。
• TeamPlex是一款基于JavaPlex库构建的自定义应用程序，从球员数据计算持久同调条形码，可视化不同过滤尺度下的同调类。
• 分析聚焦于两个拓扑特征：稀疏性（0维条带长度，表示聚类分离程度）与隧道化（1维循环的持久性，表示数据结构中的环或循环）。
• 该方法采用Čech复形过滤构建单纯复形，从而在不同尺度下检测拓扑特征。
• 研究对比了按Corsi-for排名的NHL球队条形码，识别出与高绩效球队一致的拓扑模式。
• 研究使用2013–2014赛季的真实NHL数据，包含每位球员的12项表现指标，以训练和验证拓扑模型。

实验结果

研究问题

• RQ1 持久同调能否检测出多维冰球球员数据中的结构性模式，并与球队进攻表现相关联？
• RQ2 持久同调条形码中的稀疏性与隧道化等拓扑特征如何与Corsi-for这一关键球队控球指标相关？
• RQ3 拓扑数据分析能否为球队管理层在球员引进与交易决策中提供可操作的见解？
• RQ4 Corsi-for数值更高的球队是否表现出更显著的拓扑特征，如更长的0维条带和更少的1维条带？
• RQ5 高绩效球队与低绩效球队相比，其数据是否存在一致的拓扑特征？

主要发现

• Corsi-for数值更高的球队，如圣何塞鲨鱼队和芝加哥黑鹰队，表现出更长的0维持久条带，表明球员数据的稀疏性更高，反映出更清晰、更分离的球队构成。
• 高绩效球队的隧道化显著更低，表现为更少且更短的1维持久同调类，表明数据结构中持久环或循环更少。
• Corsi-for排名最低的埃德蒙顿油人队与布法罗军刀队表现出最高的隧道化和最短的0维条带，表明数据聚类更密集、结构更松散。
• 本研究发现拓扑特征与进攻表现之间存在明确相关性：更长的0维条带与更低的1维持久性与更好的球队控球指标相关。
• 提出的交易案例表明，替换拓扑评分较低的球员（如0维条带更短者）可改善球队整体拓扑特征，并预测将提升Corsi-for。
• 该方法成功识别出球队阵容构成中的结构性缺陷，并提供了一套基于拓扑指标的数据驱动框架，用于评估球员交易。